2015 年度 修士論文 - 法政大学学術機関リポジトリ

2015 年度
論文題目
修士論文
複数の点滅視覚刺激環境下における
定常状態視覚誘発電位(SSVEP)による脳波の識別に関する研究
ふりがな
氏名
研究科専攻
まつお
たく み
松尾
拓実
理工学研究科機械工学専攻
14R1134
学籍番号
指導教員
修了年月(西暦)
石
井
2016 年
千
3月
法政大学大学院
春
Abstract
When the disease called Amyotrophic Lateral Sclerosis (ALS) had
progressed, the muscular strength of patient decreases. Then, patients
cannot control a wheelchair by their own ability. In this case, Brain Machine
Interface (BMI) helps such patients to control the electric wheelchair by their
own intention. BMI enables a human to control a machine using the
electroencephalogram (EEG).
In this study, a detection method of steady state visual evoked potential
(SSVEP) in short time was investigated for the sake of future use in BMI. In
addition, experiments for distinguishing SSVEP were examined under the
condition that plural visual stimuli were presented simultaneously.
Preliminary experiments were carried out to determine the form and color
of a blinking symbol and the number of the electrodes to be used. As results,
the blinking symbol of 10Hz and 12Hz was chosen as white square with
black background, and the blinking symbol of 15Hz was chosen as white
square with blue background. In addition, three electrodes were chosen to be
used. Using the short time Fourier transform (STFT) and the
moving-average method, the analysis method of electroencephalogram
(EEG) for detecting SSVEP and detection conditions of SSVEP were
determined.
Then, experiments for distinguishing SSVEP were executed under the
condition that three kinds of the blinking animation, in which the white
square symbol blinks in 10Hz, 12Hz, and 15Hz respectively, were presented
simultaneously as visual stimulus. Accuracy rate of more than 90% was
obtained for distinction of each stimulus frequency in 2 to 6 sec.
目次
第１章
緒論.............................................................................................................. - 1 -
1-1.
研究背景 .......................................................................................................... - 1 -
1-2.
問題定義 .......................................................................................................... - 2 -
1-3.
研究目標 .......................................................................................................... - 4 -
1-4.
本稿の構成....................................................................................................... - 4 -
第２章
実験環境....................................................................................................... - 5 -
2-1.
刺激提示用ノート PC ...................................................................................... - 5 -
2-2.
視覚刺激提示ソフトウェア .............................................................................. - 6 -
2-3.
AviUtl によって作成した視覚刺激用動画 ........................................................ - 7 -
2-4.
脳波計.............................................................................................................. - 7 -
2-5.
MATLAB/Simulink ......................................................................................... - 9 -
第３章
脳波............................................................................................................ - 10 -
3-1.
脳波とは ........................................................................................................ - 10 -
3-2.
自発脳波と誘発脳波....................................................................................... - 11 -
3-3.
BMI の研究例 ................................................................................................ - 11 -
3-4.
定常状態視覚誘発電位（SSVEP） ................................................................ - 13 -
3-5.
脳波の測定位置.............................................................................................. - 14 -
第４章
予備実験..................................................................................................... - 15 -
4-1.
本研究で用いた解析手法................................................................................ - 15 -
4-2.
動画の色の組合せを決める実験 ..................................................................... - 15 -
4-3.
図形の形を決める実験 ................................................................................... - 17 -
4-4.
SSVEP を検出するための周波数を調べる実験 .............................................. - 19 -
4-5.
電極を減らすための実験................................................................................ - 20 -
第５章
SSVEP の検出実験 .................................................................................... - 23 -
5-1.
SSVEP の検出条件 ........................................................................................ - 23 -
5-2.
SSVEP の検出実験結果 ................................................................................. - 25 -
5-3.
考察 ............................................................................................................... - 26 -
第６章
複数の光刺激提示下での SSVEP の識別 .................................................... - 27 -
6-1.
2 種の点滅動画による SSVEP の識別実験 ..................................................... - 27 -
6-2.
2 種の SSVEP の識別条件 ............................................................................. - 28 -
6-3.
2 種の点滅動画による SSVEP の識別実験結果 .............................................. - 29 -
6-4.
3 種の点滅動画による SSVEP の識別実験 ..................................................... - 32 -
6-5.
3 種の点滅動画による SSVEP の識別実験結果 .............................................. - 33 -
6-6.
考察 ............................................................................................................... - 35 -
第７章
３種の点滅動画によるランダム注視実験.................................................... - 36 -
7-1.
３種の点滅動画によるランダム注視実験 ....................................................... - 36 -
7-2.
３種の点滅動画によるランダム注視実験結果 ................................................ - 37 -
7-3.
考察 ............................................................................................................... - 38 -
第８章
結論............................................................................................................ - 39 -
謝辞 ............................................................................................................................. - 40 参考文献 ...................................................................................................................... - 41 付録 ............................................................................................................................. - 42 A)
使用機器使用 ................................................................................................. - 42 -
A-1) 視覚刺激提示用ノート PC ............................................................................ - 42 A-2) 脳波計測機器................................................................................................ - 43 B)
ソフトウェア ................................................................................................. - 44 -
B-1) C++言語プログラム ...................................................................................... - 44 B-2) MATLAB/Simulink モデルプログラム ......................................................... - 51 B-3) MATLAB M 言語プログラム ...................................................................... - 51 B-4) MS-Excel Visual Basic プログラム............................................................... - 54 -
-1-
第１章 緒論
本章では，研究背景と問題定義，目標について述べ，最後に本稿の構成について示した．
1-1. 研究背景
身体機能に障がいを持つ患者が介護者に頼ることなく自由に行動するために，杖や歩行
器，車椅子など様々な福祉機器が開発されてきた．これらの福祉機器を使用するには他の
身体機能を使用することによって代替，もしくは補助する場合が多くある．例えば車椅子
の場合では，脚の代替として腕を用いて車輪を回し，移動を可能にしている．
しかし身体機能が代替できない程度に低下している場合や，欠損などによって喪失して
いる場合では，これらの福祉機器を使用できない．例として，筋萎縮性側索硬化症(ALS)や
筋ジストロフィー，四肢麻痺を挙げる．
ALS[1]とは，筋肉を動かし，かつ運動をつかさどる運動ニューロンだけが障害をうけ，
その結果，脳から「手足を動かす」などの筋肉を動かす命令が伝達できなくなり，筋力が
低下していく病気である．また筋ジストロフィー[2]とは骨格筋に発現する遺伝子の変異・
発現調節異常により，蛋白の喪失・機能異常が生じ，筋細胞の正常な機能が破綻して変性・
壊死に至るため，その結果，運動機能低下が引き起こされる．四肢麻痺[3]は，事故によっ
て頸髄や脳などの外的要因で起こるものと遺伝性の病気で起こるものがあり，両肩・両腕
などに向かう神経が機能しなくなり，筋肉の弛緩が起きる症例である．
そこで，そのような病気を抱える患者でも使用できるシステムとして脳の信号を用いる
ブレイン・マシン・インタフェース (BMI)が挙げられる．BMI とは，人と機械との間で意
思や情報の仲介のために脳の信号である脳波を解析して電気信号の形で出入力するための
プログラムや機器である． BMI を用いることによって，電極で計測した脳波の情報を機器
に出力することが可能になる．BMI の例として，Fig.1-1 に示したフランス国立科学研究セ
ンター（CNRS）と産業技術総合研究所の共同ラボ「AIST-CNRS ロボット工学連携研究体」
で行われているヒューマノイドを動かすための BMI[4][5]を紹介する．この BMI は，ロボッ
トをアバターとして使用することで身体的機能障害を持つ人の運動機能を実現し，物理的
なやり取りを可能としている．
-2-
a) Patient side
b) Humanoid side
Figure 1-1 Example of the BMI
1-2. 問題定義
ブレイン・マシン・インタフェース（BMI）は，脳情報を読み取る方法に侵襲式と非侵襲
式の 2 種類がある．侵襲式の BMI では，脳に直接多数の細い電極を取り付けることによっ
て脳情報を読み取る．空間的・時間的分解能も極めて高く，ほぼリアルタイムで検出でき
るが，電極を埋め込むための手術が必要であること，電極の通信線を露出させている部分
に起こる感染症などのリスクがある．
非侵襲式では，頭皮上あるいは頭部近くから脳活動を検出するため，侵襲式で必要とな
る手術や感染症のリスクはない．非侵襲式はさらに機能的磁気共鳴画像（fMRI）と脳波測
定の 2 種に分かれる．fMRI とは，神経活動がより大きく生じている脳部位を，血流中の還
元ヘモグロビンの変化から推定する方法であるが，大掛かりな装置の中に仰臥して入る必
要があるため，現状 BMI として実用化するのは難しい．
脳波測定とは，頭皮上に装着した電極から脳活動を電気信号として測定する方法である．
測定技術もあまり困難でないため，臨床から研究まで広く使われる方法である．
脳波測定を用いた BMI の研究では，BMI を通じて機器に行わせたい操作や機器の操作に
対応した方向などの概念，身体運動の想起を行い，その時の脳波を読み取って BMI を動作
させる被験者の意識の変化を利用する方法と，機器の操作に対応した外部刺激を受けた時
の脳波を読み取って BMI を動作させる被験者の外的刺激に対する反応を利用する方法があ
る．
-3-
前者では，被験者が機器の操作内容，操作に対応した方向などの概念を想起した時の脳
波を周波数解析や波形自体の特徴を抽出する解析を行い，解析結果を基準データや閾値と
照らし合わせる場合と，解析結果を学習モデルなどに繰り返し学習させ，想起内容ごとに
分別させる場合の研究が一般的である．しかしながら，運動想起や方向などの概念の想起
は，脳波からの意識の検出には個人差が大きく，また必ずしも検出できるとは限らない．
また概念の想起では，頭部のどの部位に表れるか調べるために電極で頭部を覆い尽くすた
め，電極数が多くなり，また学習モデルに学習させる方法では，十分な学習を行うための
回数が必要であるため，被験者に負担となる場合がある．
後者では，被験者に光刺激や音刺激などの外部刺激を与え，その時の脳波を前者と同様
に周波数解析や波形の特徴抽出解析，解析結果の学習などを行う研究が一般的である．概
念の想起とは違い，外部刺激を受け取る感覚の脳における処理領域が大まかに分かってお
り，特に光刺激を受け取る視覚は後頭部に広く分布されていることが知られており，光刺
激による脳波を利用した BMI の研究もある．しかし，これらの研究では LED などの輝度が
高い光源を使用している場合が多く，光刺激が強すぎると，光てんかんを引き起こす可能
性がある．光てんかんとは，光に過敏な体質である患者が点滅に似た光刺激を受け取ると，
感受性が高い患者ほどてんかんに似た意識喪失や筋痙攣を引き起こす．光に過敏でなくと
も，気分が悪くなることがある．
-4-
1-3. 研究目標
本研究では, 将来的に電動車椅子を BMI により制御するための基礎研究として，BMI に
使用できる脳波の解析手法を模索することを目標とする．今回は，オンラインでの運用に
備えて，点滅する光刺激から一般的に安定して表れる，定常状態視覚誘発電位(SSVEP)を短
時間で検出する方法を検討した．光てんかんが起きないようにするため，光刺激が弱いと
考えられる動画を用いて PC 画面上で視覚刺激を与え，被験者の負担とならないように極力
電極数を少なくした条件において，学習アルゴリズムを必要としない検出方法を考えた．
そしてこの検出方法を用いることで，複数の視覚刺激が与えられている状態で，注目した
視覚刺激の影響による SSVEP を識別できるかどうかの検証を行った．なお，本研究ではす
べての実験に対して，健康な 24 歳の右利きの成人男性 1 人を被験者とした．
1-4. 本稿の構成
以上説明した研究背景，問題定義，研究目標から本稿の章立てを以下のようにして構成
した．
第 2 章では本研究を行うための装置を始めとした実験環境について述べる．第 3 章では
本研究で測定する生体信号である脳波について測定方法と，本研究で利用する SSVEP の特
徴について述べる．第 4 章では光刺激として用いる動画の設定や，ある周波数で図形が点
滅する動画を用いた時にどの周波数の SSVEP で表れるか，電極配置や数の設定などを決定
するための予備実験について述べる．第５章では，予備実験によって定めた動画を用いて，
考えた SSVEP の検出方法で単一の視覚刺激による SSVEP が検出できるかの実験，その実
験の結果，結果を受けての考察を述べる．第６章では，複数の光刺激を提示した状態で注
目した動画による SSVEP の識別実験，実験の結果，考察を述べる．第 7 章では，それぞれ
の動画の配置を固定した，複数の光刺激を提示した状態でランダムに注目した動画による
SSVEP の識別実験，実験の結果，考察を述べる．第 8 章では前章までの研究成果から本研
究の結論と今後の展望について述べる．
-5-
第２章 実験環境
本研究では，Lenovo 社製のノート PC である ThinkPad X240 を刺激提示用光源とし，C++
言語によって作成した視覚刺激提示ソフトウェアや無料の動画編集ソフトウェアである
AviUtl を用いて作成した視覚刺激用動画を用いて刺激を与え，株式会社デジテックス研究
所が開発した脳波計で視覚刺激を与えた時の脳波で測定し，米 The Math Works 社の製品
である MATLAB/Simulink を用い，脳波解析に用いるソフトウェアによって解析した．本
章は実験及び解析に用いた装置及びソフトウェアについて述べる．
2-1. 刺激提示用ノート PC
本研究では，視覚刺激の光源として光てんかんを起こしづらいと考えられる輝度を持つ
ノート PC である Lenovo 社製の ThinkPad X240（Fig.2-1）を用いる．ノート PC を選ん
だ理由として，電動車椅子を BMI により制御するための基礎研究であるため，モニターと
筐体が一緒なためコンパクトであるという利点と，一般的に販売されている製品を使用す
ることによって特別な機器が必要ないという利点による．詳細は付録に述べる．
Figure 2-1 Appearance of ThinkPad X240
-6-
2-2. 視覚刺激提示ソフトウェア
点滅する図形の色と背景色により SSVEP がより強く表れる組合せを調べるための予備
実験のために C++言語によって Fig.2-2 に示したようなソフトウェアを作成した．作成した
プログラムでは，何回点滅させるかを決定する出力回数，点滅の時間間隔を決定する出力
時間（単位：ms）を入力し，
「ファイルを点滅」ボタンを押下することで，中央の図形の表
示，非表示を繰り返し，点滅を表現する．図形の色と背景色の変更が可能である．
WindowsOS はリアルタイム OS ではないため，出力時間にばらつきが発生するが，並行
で動作している点滅している時間間隔を確認するプログラムでは，10[ms]単位でのばらつ
きは見られず，また実験に用いる周波数の範囲で視覚的に確認を行ったが，点滅間隔のば
らつきがわからないため，予備実験時では問題ないと考えた．
Figure 2-2 Software which shows stimulus for SSVEP
-7-
2-3. AviUtl によって作成した視覚刺激用動画
AviUtl[6]とは，AVI ファイルにノイズ除去フィルタやシャープフィルタなどの各種フィ
ルタをかけることや，動画のリサイズ，動画連結，テキストや図形などのレイヤーの重ね
ることが可能な動画編集ソフトウェアである．機能拡張プラグインを導入することで，MP4
などの AVI ファイル以外の動画ファイルも編集でき，フィルタの追加も可能となる．また
動画には，フレームレート（単位：fps）と呼ばれる動画が 1 秒間に画像が何枚で構成され
ているかを示す情報があり，AviUtl では最大 60fps の動画が作成可能である．
動画作成では，背景が黒の基礎レイヤーを用意し，一定フレーム間隔毎に図形を中央に
配置するレイヤーを基礎レイヤーに重ねた．この時一定フレーム間隔が点滅する視覚刺激
の周波数となり，24fps，60fps の素数の組合せから用意した視覚刺激周波数は 8Hz，10Hz，
12Hz，15Hz の Fig.2-3 のような 4 種類の動画を用意した．
Figure 2-3 The blinking animation as visual stimulus
2-4. 脳波計
本研究では被験者の脳波を測定する脳波計として株式会社デジテック研究所製の生体信
号記録装置である PolymateII を用いる．(Fig.2-4-a) 生体アンプとバッテリーを内蔵した最
大 12ch 生体信号の測定が可能な装置で，Fig.2-4-b に示すようなアクティブ電極を標準装備
している．主な測定可能現象は，脳波の他，眼球運動，心電図，表面筋電図，脈波，呼吸，
SpO2，いびき，体位，体動，EDA，体温などの測定が可能となっている．また，各種解析
ソフトで睡眠解析，事象関連電位，CDM などの解析が可能である．最大記録サンプリング
周波数は 1000Hz で，交流ノイズの影響を軽減させるため，コンパクトフラッシュカードへ
の記録とバッテリー駆動によるスタンドアローンでの測定が可能である．本研究では，脳
波のみの測定に用い，他の生体信号の記録は行わない．
-8-
脳波測定時には，Fig.2-4-b に示すように専用のアクティブ電極の測定金属部に脳波測定
用のペーストを盛り付け，髪の毛をかき分けるようにして，頭皮上に張り付ける．電極の
上からガーゼを当てることで，電極を張り付けた際にあふれてしまうペーストを接着させ，
電極がずれてしまわないように，髪の毛が電極を頭皮から押し離さないように固定する．
a) PolymateII
b)Active electrodes
Figure 2-4 Apparatus in EEG measurement
-9-
2-5. MATLAB/Simulink
MATLAB は科学・工学分野の様々な数値計算やデータ解析，シミュレーション，可視化
のための統合環境を提供する開発ソフトウェアである．プログラミング言語には，C 言語に
代表されるコンパイラ型と Basic 言語に代表されるインプリンタ型が存在するが，
MATLAB はインプリンタ型のプログラミング言語である．インプリンタ型はコンパイラ型
に比べて，命令の実行速度は遅いものの，プログラムを部分単位で実行可能なことから容
易にプログラムの変更・修正を行うことが可能である．
MATLAB は C 言語がエンジンとなっているためインプリンタ型の言語としては比較的早
い処理が可能であり，配列宣言を行うことなく行列計算を容易に行うことができるので，
行列計算を多用する制御や信号処理に適応しやすい．その他の数学的算術も各種関数を用
いることで容易に行うことができる．
MATLAB がプログラミング言語であるのに対し，Simulink はブロック線図を用いてシ
ステムを構築するソフトウェアである．Simulink は MATLAB のプロダクトファミリの 1
つであり，MATLAB との正確な連携が可能である．Simulink では論理演算や算術演算，
伝達関数のブロックを組み合わせることで数学モデルのシミュレーションや信号処理など
様々な環境構築ができる．また，既存のブロックだけでなく，MATLAB で作成したプログ
ラムや C 言語，Fortran，BASIC 言語などで作成したプログラムをブロックとして Simulink
のブロック線図に加えることができる．例として，Fig.2-5 に定常状態視覚誘発電位（SSVEP）
の検出を自動で行うプログラムを示した．
Figure 2-5 MATLAB/Simulink Program
- 10 -
第３章 脳波
本章では 2 章にて説明を行った脳波計によって測定する脳波現象やその測定位置や手法
について記述する．
3-1. 脳波とは
脳波（ElectroEncephaloGram：EEG）とは脳内の神経細胞の電気活動を頭皮上あるい
は脳深部に設置した電極によって測定，記録したものである．Fig.3-1 は本実験で測定した
脳波の原波形である．医療の臨床検査で測定した波形を直接記録，観察することでてんか
んを始めとした脳に関連する障がい，疾患の診断に用いられている．
Figure 3-1 EEG
脳波は被験者の状態や感情に応じて優位となる周波数帯が異なる．その特性から，各周
波数帯における脳波には名称が付けられており，それぞれ被験者の状態を示す特徴がある．
その中でも覚醒時に優位的に発生する脳波及びその特徴を Table 3-1 に示す．
Table 3-1 Characteristic of Each Brain Wave
Slow wave
Wave
Name
Band [Hz]
Characteristic
Fast wave
δ
Θ
α
0.5-3
4-7
8-13
Drowsiness
Relaxed
Non REM
Sleep
Middle
β
γ
14-17
18-30
30-
Anxious
Busy mind
Thinking
activity
speed wave
Excitement
また，被験者に刺激を与えた場合に，誘発電位等の脳波の変化を測定することができ，
その特徴から刺激に対してどのような反応をしているか，どの程度感情変化が起きている
かを観測することができる．実際に音刺激に対して発生する誘発電位の有無が，脳死判定
の判定材料の 1 つとなっている．
- 11 -
3-2. 自発脳波と誘発脳波
人間の脳に発生している脳波には，自ら行動や思考することによる自発的な脳波（自発
脳波）と五感から受け取る刺激に対する反応として誘発される脳波（誘発脳波）に大きく
分類される．
A) 自発脳波
人間の脳は常に何らかの活動をしているため，睡眠中でも，何らかの脳波が観測さ
れる．このように，外部からの刺激がなくても出ている脳波を自発脳波と呼ぶ．自発
脳波の種類として，運動する若しくは運動の想起を行うことによって発生する事象関
連脱同期（Event-Related Desynchronization：ERD）や閉眼時に起きるα波の増大現象
がある．
B) 誘発脳波
人間の脳は，外界からの刺激（視覚刺激，聴覚刺激，触覚刺激等）に対し，何らか
の反応を示す．この時に観測される脳波を誘発電位と呼ぶ．誘発脳波の種類として，
周波数的な視覚的な刺激によって発生する定常状態視覚誘発電位（ Steady State
Visual Evoked Potential：SSVEP）や身体に刺激を与えることによって発生する体性
感覚誘発電位(Somatosensory Evoked Potentials：SEP)がある．
3-3. BMI の研究例
近年，解析技術の進歩から工学的分野での開発が著しく，多くの研究機関でブレイン・
マシン・インタフェース（Brain-Machine Interface：BMI）と呼ばれる，脳波の解析結果
から判断し，動作する機器の開発が進められており，実際に脳波で操作するロボットや車
椅子の開発が進められている．BMI の研究例をいくつか紹介する．
Donoghue[7][8]らは，ヒトの運動野での脳波現象を利用した BMI の開発に向けた臨床試験
を報告した．四肢麻痺を患った被験者に対して，脳の一次運動野に侵襲式の 96 本の微小電
極が並んだ装置（ブレインゲイト）を取り付け，運動意図に基づく運動野ニューロン集団
の活動パターンをインタフェースが読み取り，機械信号に変換することで，文献[7]ではパ
ソコンのカーソル操作やクリック，文献[8]では義手の操作を行った．Hajibabazadeh[9]らの
研究では，被験者に左右の腕の運動想起を行わせ，頭皮上に取り付けた 6 個の電極で脳波
を測定し，測定した脳波を Wavelet 解析によって周波数領域を行った後，その解析データか
ら Support vector machine(SVM)というパターン認識手法によって左右の腕の運動想起の分
別を行い，その認識結果に基づいてピューマ・ロボットの操作を行った．Noda[10]らの研究
では，リハビリテーション・トレーニングを補助する脚部の外骨格ロボットを脳波で操作
するシステムを開発した．脳波から上，下の意識を分類し，それぞれ立ち上り，腰掛け動
作を補助するように外骨格ロボットを制御した．MANO[11]らは，ライントレースにより移
- 12 -
動する電動車椅子が分岐点に差し掛かった時に，搭乗者の頭皮上に取り付けた 15 個の電極
で脳波を測定し，搭乗者の操縦内容（前進，右旋回，左旋回）の意識を読み取ることによ
り，電動車椅子を操作した．また茨木[12]らは，Emotiv 社製の非侵襲式の BMI デバイス
（Fig.3-2）を用いて，搭乗者の意識（前，右，左）を検知し，それぞれの意識に対応する指
令（前進，右折，左折）を電動車椅子に出力するシステムを開発した．2 時間弱の訓練の後，
3 種類の意識の認識率は 84～91%であり，電動車椅子の制御を高精度に行った．また
Jiralerspong[13]らは，文献[12]と同様の BMI デバイスを用いて，被験者の 3 種の意識(Rest，
UP，DOWN)を読み取って識別する BMI システムを開発し，15 分間の訓練の後，全体的な
識別率は最大 75%であった．
また板井[14]らは，SSVEP を利用した BMI システムの構築のために，SSVEP の解析を行
っている．4 種類の刺激周波数で LED を点滅させ，点滅する LED を見た時の 3 秒間の脳波
の解析データから得られた各周波数に対する SSVEP の平均検知率は 53～84%であった．更
に，与えた視覚刺激の周波数とその高調波の振幅スペクトルを足し合わせることで，検知
率は 70～80%になった．
Figure 3-2 Emotiv EPOC
- 13 -
3-4. 定常状態視覚誘発電位（SSVEP）
人が視覚的な外部刺激を見たときに，Fig.3-3 に示した後頭部にある視覚野で生じる誘発
電位のことを視覚誘発電位(Visual Evoked Potential: VEP)と呼ぶ．そして視覚刺激の提示
頻度を上げる場合に生じる視覚誘発電位のことを特に定常状態視覚誘発電位(Steady State
Visual Evoked Potential: SSVEP)と呼ぶ．提示頻度がある周波数の視覚刺激を被験者が受
けているとき，被験者の EEG からは VEP の反応が提示頻度の周波数と同期し出現する．
その時の EEG を周波数解析した結果から刺激に対する周波数成分とその高調波の振幅スペ
クトルが，他の周波数よりも強く出ることが知られている．このような結果が表れる脳波
が SSVEP である．また，SSVEP はブレイン・マシン・インタフェース（BMI)で用いられ
るその他の事象関連電位に比べて，比較的安定していることが知られている．
Visual Cortex
Figure 3-3 Place of the visual cortex
- 14 -
3-5. 脳波の測定位置
本研究では，測定する頭部電極の基準となるグランド電極及び，リファレンス電極を両
耳朶に設置した．測定に使用する電極は，視覚刺激を受け取る視覚野が後頭部に広く分布
していることから後頭部に集中して装着した．測定位置は後頭部結節に電極 1 番を取り付
け，頭頂部に向かって 20mm ほど上部に電極 2 番を取り付け，電極 2 番を中心に等間隔と
なるように他の三方向に電極 3 番から 5 番を配置した．この電極配置は拡張国際 10-20 法
に基づき，測定点の最下点を後頭部結節と定め，後頭部を最小限の電極数で覆うためであ
る．測定位置を Fig.3-4 に示す．
Figure 3-4 Measurement position of EEG
- 15 -
第４章 予備実験
本章では本研究で用いた解析手法の説明を行い，視覚刺激に用いる動画の設定を決める
予備実験や，ある周波数の視覚刺激の動画によって起きる SSVEP の振幅スペクトルが与え
た刺激周波数とその高調波の振幅スペクトルとして表れているか確かめる予備実験，
Fig.3-4 で示した電極数からより減らすことができないか確かめる予備実験について述べる．
4-1. 本研究で用いた解析手法
本研究では，短時間フーリエ変換と加算平均法を用いている．
短時間フーリエ変換は，理論上無限の区間に渡って積分を行わなければならないフー
リエ変換を行うために，範囲を区切った上でフーリエ変換する方法である．この範囲内
は周期的で無限に繰り返されていると仮定して計算するのが一般的であるが，区切る際
に範囲の端と端で不連続な要素ができるため，その区間に中央が 1 付近の値，その範囲
外で０に収束する窓関数を掛けて不連続な要素を極力排除することが行われる．これが
短時間フーリエ変換である．
∞
𝐹𝑆𝑇𝐹𝑇 (𝑡, 𝜔) = ∫−∞ 𝑓(𝑡)𝜔(𝜏 − 𝑡) 𝑒 −𝑖𝜔𝑡 𝑑𝑡
(1)
※𝜔は窓関数の式
加算平均法とは，誘発電位など表れにくい反応を明瞭にする方法である．N 個の解析
データを加算し，平均することで特徴量を N 倍に，特徴量以外の値を1⁄ 倍にする．
√𝑁
m=
∑𝑁
𝑖=1 𝑥𝑖
𝑁
(2)
※N はデータ個数
4-2. 動画の色の組合せを決める実験
被験者が視覚刺激を受け取ったときに，どの点滅する図形の色と背景色の組合せがより
SSVEP を強く出現させるかを調べるための実験を行った．実験では視覚刺激として作成し
た視覚刺激提示ソフトウェアを使用する．点滅する図形には四角を用い，図形の色は白と
赤の２種類を用意し，背景色は黒と青を用意した．Fig.4-1 に示した図形の色と背景色の全
ての組合せ(白黒，白青，赤黒，赤青)に対して，図形の点滅周波数を 10Hz, 15Hz（ソフト
- 16 -
ウェア上での設定，10Hz：周期 100[ms]，15Hz：周期 66[ms]）の 2 種類を用意した．
A) White and Black
B) Red and Black
C) White and Blue
D) Red and Blue
Figure 4-1 Color of blinking figure and background
実験では視覚刺激を 30 秒提示し，各 3 回分の EEG を測定した．実験時のサンプリング
周波数は，1kHz で測定した．なお，本実験での脳波測定における電極配置は，Fig.3-4 の
電極 3 番，4 番の下側にそれぞれの電極間隔が 20mm となるように，さらに 2 個電極を追
加し，電極 5 番は装着せず，計 6 個の電極で測定した．
脳波の解析手法は次のようにした．Fig.4-2 に示すように，EEG データの全区間 16384
点（約 16 秒間）に対して，データの解析区間を 2048 点（約 2 秒間）とした．データのオ
ーバーラップは行わずに，分割された 8 つの区間の EEG データそれぞれを短時間フーリエ
変換（STFT）し，加算平均を行う．
Figure 4-2 Method of data analysis for EEG
- 17 -
それぞれの条件（色の組合せ 4 種，点滅周波数 2 種，電極 7 個）において測定された EEG
に対して，前述のデータ解析を行った．各電極における解析結果から，Fig.4-3 のような与
えた視覚刺激の周波数とその高調波に対する周波数付近にピークが現れ，明らかに SSVEP
が現れたと考えられる電極の数をカウントし，どの程度 SSVEP が出現したかをまとめたも
のを Table 4-1 に示す．表内の数値は百分率表記である．
Figure 4-3 Analysis result of stimulus frequency 10Hz
Table 4-1 Appearance ratio of SSVEP in combination of color [%]
White
White
Red
Red
and
and
and
and
Black
Blue
Black
Blue
10Hz
72.2
50.0
61.1
38.9
15Hz
27.8
55.6
11.1
22.2
Color of blinking
figure and background
この結果から，刺激周波数 10Hz における白黒の組合せの時の出現率が 72.2%と最も高
く，また白黒の組合せが他の組合せより図形と背景の境界を認識しやすいと考え，本研究
では図形の色は白，背景色は黒に設定することにした．
4-3. 図形の形を決める実験
被験者が視覚刺激を受け取ったときに，どのような図形が SSVEP を強く出現させるかを
調べるための実験を行った．実験では視覚刺激として，30 秒間図形が点滅表示する動画を
作成した．点滅させる図形には，Fig.4-4 のような丸，三角，四角の 3 種類を用意し，点滅
周波数は，8Hz，10Hz，12Hz，15Hz の 4 種類とした．
- 18 -
A) Circle
B) Triangle
C) Square
Figure 4-4 Animation of each figure
この実験での電極は Fig.3-4 のように配置した．
実験では視覚刺激を 30 秒提示し，各 3 回分の EEG を測定した．実験時のサンプリング
周波数は，1kHz で測定した．
それぞれの条件（点滅図形 3 種，点滅周波数 4 種，電極 5 個）において測定された EEG
に対して，4-1 節と同じデータ解析を行った．各電極における解析結果から，与えた視覚刺
激の周波数とその高調波に対する周波数付近にピーク値が現れ，明らかに SSVEP が現れた
と考えられる電極の数をカウントし，どの程度 SSVEP が出現したかをまとめたものを
Table 4-2 に示す．表内の数値は百分率表記である．
Table 4-2 Appearance ratio of SSVEP for each blinking figure [%]
8Hz
10Hz
12Hz
15Hz
Average
Circle
40.0
40.0
46.7
46.7
43.3
Triangle
60.0
40.0
6.67
46.7
38.3
Square
66.7
66.7
46.7
60.0
60.0
この結果から，本研究では点滅させる図形を一番出現率が高かった四角に設定すること
にした．
- 19 -
4-4. SSVEP を検出するための周波数を調べる実験
被験者に視覚刺激を与えた時の EEG を周波数解析した際に，被験者の生理的な要因等に
より，必ずしも与えた視覚刺激の点滅周波数とちょうど同じ周波数に振幅スペクトルのピ
ークが出るとは限らない．そこで，視覚刺激として用意した各点滅周波数に対して，SSVEP
が現れたと考えられる周波数を調べる実験を行った．4-1，4-2 節の予備実験の結果に基づ
き，視覚刺激として， Fig.2-3 に示すように黒の背景に白い四角の図形を 30 秒間点滅表示
する動画を作成した．視覚刺激の点滅周波数は，8Hz，10Hz，12Hz，15Hz の 4 種類を用
意し，実験時では動画を全画面表示とした．
実験では，以下に示す 2 つの条件で脳波の測定を行った．
a) 白い四角の図形を表示したまま点滅させない状態
b) 白い四角の図形を 8Hz，10Hz，12Hz，15Hz で点滅させた状態
実験でのサンプリング周波数は 1kHz とし，椅子に座った状態で目から動画の画面までの
距離を 45～50cm とした体勢で実験を行った．
a)の点滅なしの状態では，被験者に図形を表示した状態の画面を注視してもらい，脳波が
落ち着いた時点を測定開始とし，脳波を 30 秒間測定した．
b)の視覚刺激を提示する状態では，まず脳波の測定開始前に，被験者に測定対象とする周
波数の点滅表示動画を 3 回見せて，視覚刺激に慣れてもらった．その後，脳波の測定を開
始し，脳波が落ち着いた時点で 30 秒間の点滅表示動画を再生した．その際，視覚刺激を提
示した時間が分かるように，動画の再生開始時と終了時の時刻を記録した．この作業を 8Hz，
10Hz，12Hz，15Hz の順で行い，点滅なしの状態と 4 種類の周波数による点滅表示を 1 セ
ットとし，12 セット分の脳波を測定した．
解析手法は次のように行った．解析の開始点を，点滅なしの状態では測定開始時刻，点
滅させた状態では刺激提示開始時刻とする．EEG データの全区間は 8192 点（約 8 秒間），
データの解析区間は 2048 点（約 2 秒間）とし，データのオーバーラップは行わない．分割
された 4 つの区間の EEG データそれぞれを短時間フーリエ変換（STFT）し，4 個の解析
データを用いて加算平均を行う．各電極における解析結果から，与えた点滅周波数に対し
て，実際に振幅スペクトルのピークが現れた周波数とその高調波に対する周波数を読み取
った．12 セット分の測定データに対して，ピークが現れた周波数帯とその高調波に対する
周波数帯を電極毎にまとめたものを Table 4-3 に示す．
- 20 -
Table 4-3 Frequency band for appearance of SSVEP [Hz]
No.1
No.2
No.3
No.4
No.5
8Hz
7.32~9.76
7.32~9.76
7.32~9.76
6.83~8.78
7.32~9.27
Harmonics
15.1~16.6
16.1
15.6~16.1
15.6~16.1
15.1~16.6
10Hz
9.76~10.7
9.76
9.27~10.2
8.78~10.2
9.27~10.2
Harmonics
19.0~20.5
20.0
20.0
20.0
19.0~20.9
12Hz
11.7~12.2
11.7~12.2
11.7~12.2
11.7~12.6
11.7~12.2
Harmonics
22.9~23.9
23.9
23.9
23.9
23.4~24.9
15Hz
14.1~15.1
14.6~15.1
14.6~15.1
14.6~15.1
15.1
Harmonics
29.7~30.2
29.7~30.2
29.7~30.2
29.7~30.2
29.7~30.2
Table 4-3 に示すように，特に低周波数の点滅刺激（8Hz,10Hz）においては帯域幅が大
きく，SSVEP が出現したと考えられる周波数が安定していないが，高周波数の点滅刺激
（12Hz,15Hz）においては，刺激を与えた周波数とほぼ同じ周波数において SSVEP が出
現していると考えられる．そこで本研究では，各点滅周波数に対して，SSVEP を検出する
ために振幅スペクトルを求める周波数を，与えた点滅周波数（8Hz,10Hz,12Hz,15Hz）とそ
の高調波（16Hz,20Hz,24Hz,30Hz）と同じ値とすることにした．
4-5. 電極を減らすための実験
被験者に対する負担を考えると電極数は少ない方が好ましいので，Fig.3-4 の電極数より
も電極数を減らすための実験を行った．4-3 節で測定した EEG データを用いて，4-3 節と
同じ解析手法により，分割された 4 つの区間の EEG データそれぞれを STFT し，被験者に
与えた 8Hz，10Hz，12Hz，15Hz の刺激周波数とその高調波の振幅スペクトルの値を足し
合わせた．
そして，足し合わせたそれぞれの振幅スペクトルを解析開始時間から解析終了時間まで
時系列順に並べてグラフ化し，点滅なしの状態とそれぞれの刺激周波数で点滅させた状態
のグラフを比較する．
それぞれの条件（点滅なし及び点滅周波数 4 種，電極 5 個）において測定された EEG に
対して，上記の解析を行った．一例として，電極 2 番で測定した 9 セット目の測定データ
における点滅なしの状態の 8Hz とその高調波の振幅スペクトルを足し合わせた数値と，点
滅周波数 8Hz の視覚刺激を与えた時の 8Hz，10Hz，12Hz，15Hz とそれぞれの高調波の
振幅スペクトルを足し合わせた数値を Fig.4-5 に示す．
- 21 -
Figure 4-5 Amplitude spectrum for each frequency
他の電極や他のセットの測定データにおいても，Fig.4-5 に示されるように，与えた刺激
周波数とその高調波の振幅スペクトルの和が，点滅なしの状態よりも大きく，かつ与えた
刺激周波数ではない周波数とその高調波の振幅スペクトルの和よりも大きくなることが概
ね観測できた．これにより，電極数を減らすために上記の現象がより顕著に現れる電極を
調べた．
各電極における 1 セットから 12 セットまでの解析結果において，与えた刺激周波数とそ
の高調波の振幅スペクトルの和が他の周波数よりも連続して 2 点以上大きくなっている解
析結果の数を電極毎にカウントする．ただし，下記の条件に当てはまる場合はカウントし
ないこととする．
ⅰ) 与えた刺激周波数ではない周波数が先にカウントの条件を満たし，その後に与えた刺
激周波数がカウントの条件を満たした場合
ⅱ) 与えた刺激周波数における振幅スペクトルの和と他の周波数における振幅スペクト
ルの和の大小が目視で確認できない場合
- 22 -
感度の指数は，上記の条件から得られた各電極におけるカウント数を全 12 回で除するこ
とにより求めた，電極毎の刺激周波数に対する感度を Table 4-4 に示す．Table 内の数値は
百分率表記である．
Table 4-4 Sensitiveness of each electrode for stimulus frequency [%]
No.1
No.2
No.3
No.4
No.5
8Hz
8.33
33.3
66.7
83.3
33.3
10Hz
50.0
75.0
58.3
75.0
41.7
12Hz
66.7
91.7
83.3
100
25.0
15Hz
25.0
75.0
91.7
100
8.33
Total
37.5
68.8
75.0
89.6
27.1
この結果から，電極 1 番と 5 番は他の電極に比べて感度が低いため除外し，電極 2 番，3
番，4 番を 5 章の SSVEP 検出のための電極として採用することにした．
- 23 -
第５章 SSVEP の検出実験
4 章の予備実験の結果から，視覚刺激に用いる動画の設定は，黒の背景に白い四角の図形
とし，SSVEP の検出実験での電極配置は，Fig.3-4 の電極 2 番，3 番，4 番の 3 個に選定し
た．これらの実験環境を基に SSVEP の検出実験を行った．
5-1. SSVEP の検出条件
短時間で SSVEP を検出するための脳波の解析手法を以下のように定める．ただし，4-4
節の実験結果から，点滅なしの状態は解析に影響を与えないと考えたため，本実験におい
ては考慮しないものとする．
解析の条件を以下のように定める．解析の開始点は，刺激提示開始時刻とする．EEG デ
ータの全区間を 6144 点（約 6 秒間），データの解析区間を 2048 点（約 2 秒間）とする．
データのオーバーラップは 1792 点（約 1.75 秒間）とする．Fig.5-1 に示す 8 つの区間の
EEG データそれぞれを STFT し，それぞれにおいて 8Hz，10Hz，12Hz，15Hz の刺激周
波数とその高調波の振幅スペクトルを足し合わせた．そして各周波数に対して，8 つの区間
毎に移動平均を求めた．それぞれの条件（点滅周波数 4 種，電極 3 個）に対して，4-3 節の
実験で測定した EEG データを用いて，上述した解析を行う．
Figure 5-1 Method of data analysis for detecting SSVEP in short time
- 24 -
足し合わせたそれぞれの周波数の振幅スペクトルを解析開始時間から解析終了時間まで
時系列順に並べてグラフ化した．一例として，点滅周波数 8Hz の視覚刺激を与えた時の電
極 3 番で測定した 3 セット目の測定データにおける脳波での移動平均適用前と適用後の解
析結果を Fig.5-2 に示す．
a) Before the application of the moving average method
b) After the application of the moving average method
Figure 5-2 Result of data analysis
Fig.5-2-b より，移動平均法を適用後の結果を見ると，与えた視覚刺激の周波数 8Hz とそ
の高調波の振幅スペクトルの和が他の周波数の振幅スペクトルの和よりも大きく現れてい
ることがわかる．また移動平均を行うことにより，上述の解析手法において移動平均を行
わずに同じ脳波の測定データを解析した結果よりも，この現象が明確に現れることを確認
している．
以上の結果に基づいて，SSVEP の検出条件を以下のように定める．前述の解析手法で得
られた移動平均を適用した各電極における解析結果（例えば Fig.5-2-b）において，与えた
刺激周波数とその高調波の振幅スペクトルの和が他の周波数よりも連続して 4 点以上大き
くなる電極のデータを SSVEP が出現したと考え，SSVEP が出現した電極の数をカウント
する．カウントしない条件は 4-4 節で記したⅰ)，ⅱ)の条件と同じとする．そして，3 個の
- 25 -
電極のうち，2 個以上の電極がカウントされれば，その測定データにおいて与えた点滅周波
数に対する SSVEP が検出できたと定義する．
5-2. SSVEP の検出実験結果
5-1 節で定めた SSVEP の検出条件を 4-3 節で測定した EEG データに適用して，提案し
た検出方法により SSVEP を検出できるかを検証した．それぞれの刺激周波数に対して
SSVEP が解析全区間 6 秒以内に検出できたかどうか，及びその時に SSVEP が出現したと
してカウントされた電極数を Table 5-1 に示す．検出できた場合は○，検出できなかった場
合は×で表し，括弧内の数値が SSVEP 出現としてカウントした電極数を表している．
また，SSVEP を検出できた時において刺激提示から 2～4 秒，2～6 秒の時間ごとの
SSVEP の累積検出率を Table 5-2 に示す．表内の数値は百分率表記である．
Table 5-1 Experimental result of detecting SSVEP [%]
8Hz
10Hz
12Hz
15Hz
1st
○ (3)
× (0)
○ (3)
○ (3)
2nd
○ (2)
○ (3)
○ (3)
○ (3)
3rd
○ (3)
○ (2)
○ (3)
○ (3)
4th
○ (2)
○ (3)
○ (3)
○ (3)
5th
× (1)
○ (3)
○ (3)
○ (3)
6th
○ (3)
○ (3)
○ (3)
○ (3)
7th
○ (3)
○ (2)
○ (3)
○ (3)
8th
○ (2)
× (1)
○ (3)
○ (3)
9th
○ (3)
○ (3)
○ (3)
○ (3)
10th
○ (3)
× (0)
○ (3)
○ (3)
11th
× (0)
○ (3)
○ (3)
○ (3)
12th
× (0)
○ (3)
○ (3)
○ (3)
Table 5-2 Accumulated detection rate of SSVEP [%]
8Hz
10Hz
12Hz
15Hz
2[s]～4[s]
33.3
33.3
91.7
75.0
2[s]～6[s]
75.0
75.0
100
100
- 26 -
5-3. 考察
Table 5-1 の SSVEP の検出結果より，SSVEP 検出条件を用いた場合では実験回数 12 回
中 8Hz，10Hz は 9 回,12Hz，15Hz は 12 回検出できた．特に 12Hz，15Hz は全実験で 3
個の電極全てがカウントされた．また，Table 5-2 より，8Hz，10Hz では 2～6 秒間で検出
率 75%，12Hz，15Hz では 2～6 秒間で検出率 100%となっており，高周波数ほど速く高い
検出率が得られている．低周波数においては，本研究の被験者は特に 8Hz の点滅周波数に
対して高い検出率が得られなかった．
低周波数において高い検出率が得られていない理由として，Table 4-3 に示したように，
低周波数（8Hz, 10Hz）において SSVEP が出現したと考えられる周波数が安定していない
ことが挙げられる．したがって，SSVEP が安定して出現できるように 8Hz，10Hz の動画
をより細かく設定を決定することや各点滅周波数に対して，SSVEP を検出するために振幅
スペクトルを求める周波数を，与えた点滅周波数（8Hz,10Hz,12Hz,15Hz）とその高調波
（16Hz,20Hz,24Hz,30Hz）と同じ値とするだけではなく，8Hz，10Hz の場合ではその周
波数付近の振幅スペクトルを考慮に入れることで，低周波数に対する検出率を向上できる
可能性がある．
- 27 -
第６章 複数の光刺激提示下での SSVEP の識別
実際に SSVEP によって複数のコマンドの選択が可能であるか調べるために，刺激周波数
の異なる 2 種及び 3 種の視覚刺激を与えながら，被験者が一方を注視した時，注視した視
覚刺激の影響を受けてその視覚刺激の周波数の SSVEP が識別できるかどうか検証した．
6-1. 2 種の点滅動画による SSVEP の識別実験
刺激周波数の異なる 2 種の視覚刺激の動画を用意し，どちらか一方の動画を注目するこ
とによって注目した視覚刺激の周波数の SSVEP が識別できるかどうか実験を行った．
実験における動画の設定と選定した電極配置やサンプリング周波数，使用する点滅周波
数の種類は 5-1 節と同じ条件とした．また画面照度を相対的に強めるために，モニターと被
験者の上部に覆いを設けて，Fig.6-1 のような画面付近が薄暗がりになるような環境を用意
した．
Figure 6-1 Experimental environment
被験者は椅子に座った状態で顔から画面までの距離が 45～50cm となるような体勢で実
験を行った．また，画面は Fig.6-2 のような配置で動画をループ再生し，注目させる動画は
左側に配置した．
- 28 -
Figure 6-2 Appearance of the screen under two stimulus presentations
実験では画面を完全に隠した状態にして，脳波が落ち着いた時点を測定開始とし，測定
者が任意のタイミングで画面の遮蔽物を取り除いた．画面が完全に露出した時刻を刺激提
示開始時刻とし，約 15 秒間刺激を与え，刺激提示後の時刻を刺激提示終了時刻とし，測定
終了とした．注目する刺激周波数の動画とその他の周波数の動画の組合せ 3 種類を 1 セッ
トとし，7 セット分測定した後，注目する刺激周波数の動画を変更し，同様に測定した．な
お，この実験は 2 日に分けて行った．
6-2. 2 種の SSVEP の識別条件
実験の解析における STFT の解析条件や SSVEP の検出条件については 5-1 節と同じとし，
EEG データの解析全区間は 10240 点（約 10 秒間）とした．また解析結果を元に Fig.5-2-b
のようなグラフを各セット，電極毎に作成し，測定日毎に最も良いデータと最も悪いデー
タを測定日毎で取り除き，母数 10 個のデータとして識別率を求めた．また 5 章までは目視
に よ る 判 断 で あ っ た た め ， SSVEP の 識 別 を 自 動 化 す る た め に ， 数 値 的 判 断 を
MATLAB/Simulink を用いた SSVEP 識別プログラムによって行った．なお，ある周波数
の振幅スペクトルと他の周波数の振幅スペクトルの大小を判定する際に，振幅スペクトル
の差が 100 以上となった時（Fig.16 では 6 秒前後での 12Hz と 15Hz）に明確に大小関係が
現れたと判断し，SSVEP 検出のためのカウントに含めることにした．
- 29 -
Figure 6-3 Case of the judgment by the MATLAB/Simulink program
6-3. 2 種の点滅動画による SSVEP の識別実験結果
注目する刺激周波数毎の識別結果を Table 6-1 に示す．識別できた場合は○，識別できな
かった場合は×で表し，括弧内の周波数が誤識別時の周波数を表している．表中の識別率
は 2～10 秒に対してのものである．
Table 6-1 Distinction results under two stimulus presentations
a) Stimulus frequency 8Hz gaze
8Hz-10Hz
8Hz-12Hz
8Hz-15Hz
Day1,1st
○
× (10Hz)
○
Day1,2nd
× (12Hz)
○
○
Day1,3rd
○
○
○
Day1,4th
× (12Hz)
× (12Hz)
× (10Hz)
Day1,5th
× (12Hz)
○
○
Day2,1st
× (12Hz)
× (10Hz)
× (12Hz)
Day2,2nd
○
○
○
Day2,3rd
× (10Hz)
× (10Hz)
○
Day2,4th
○
○
× (10Hz)
Day2,5th
○
○
○
50.0%
60.0%
70.0%
Distinction
rate
- 30 -
b) Stimulus frequency 10Hz gaze
10Hz-8Hz
10Hz-12Hz
10Hz-15Hz
Day1,1st
○
○
○
Day1,2nd
○
○
○
Day1,3rd
× (12Hz)
○
○
Day1,4th
○
○
× (12Hz)
Day1,5th
○
○
○
Day2,1st
○
○
○
Day2,2nd
× (15Hz)
× (12Hz)
○
Day2,3rd
○
○
○
Day2,4th
○
○
○
Day2,5th
× (12Hz)
○
○
70.0%
90.0%
90.0%
Distinction
rate
c) Stimulus frequency 12Hz gaze
12Hz-8Hz
12Hz-10Hz
12Hz-15Hz
Day1,1st
× (8Hz)
○
○
Day1,2nd
○
○
○
Day1,3rd
○
○
○
Day1,4th
○
○
○
Day1,5th
○
○
○
Day2,1st
○
○
× (10Hz)
Day2,2nd
○
○
○
Day2,3rd
○
○
○
Day2,4th
○
○
○
Day2,5th
○
○
○
90.0%
100%
90.0%
Distinction
rate
- 31 -
d) Stimulus frequency 15Hz gaze
15Hz-8Hz
15Hz-10Hz
15Hz-12Hz
Day1,1st
○
○
× (12Hz)
Day1,2nd
○
○
○
Day1,3rd
× (12Hz)
× (10Hz)
× (12Hz)
Day1,4th
○
× (8Hz)
○
Day1,5th
○
○
○
Day2,1st
× (12Hz)
○
○
Day2,2nd
○
○
○
Day2,3rd
× (12Hz)
○
○
Day2,4th
× (12Hz)
○
○
Day2,5th
× (12Hz)
○
○
50.0%
80.0%
80.0%
Distinction
rate
また，注目した動画と組み合わせた動画での識別率が 80.0%以上であった場合を○で示
したものを Table 6-2 を示した．表 8 において，縦方向は注目する刺激周波数，横方向は組
合せ相手の刺激周波数である．
Table 6-2 Correlation of distinction result for all combinations
8Hz
8Hz
10Hz
12Hz
15Hz
×
×
×
○
○
10Hz
×
12Hz
○
○
15Hz
×
○
○
○
Table 6-1 より，8Hz を除いた 10Hz，12Hz，15Hz の組合せでは識別率は 80%以上であ
った．また Table 6-2 に示す通り，8Hz が組み合わさると識別率が他の組合せよりも低下す
るため，次節の 3 種の動画による SSVEP の識別実験では，10Hz，12Hz，15Hz の動画を
用いることにした．
- 32 -
6-4. 3 種の点滅動画による SSVEP の識別実験
刺激周波数の異なる３種の視覚刺激の動画を用意し，一つの動画を注目することによっ
て SSVEP が識別できるかどうか実験を行った．実験環境や，測定条件などは 6-1 節と同じ
とした．また，画面は Fig.6-4 のような配置で動画をループ再生し，注目させる動画は上部
に配置し，組合せ相手となる視覚刺激の動画は左側が小さい周波数，右側が大きい周波数
となるようにした．
Figure 6-4 Appearance of the screen under three stimulus presentations
実験では画面を完全に隠した状態にして，脳波が落ち着いた時点を測定開始とし，測定
者が任意のタイミングで画面の遮蔽物を取り除いた．画面が完全に露出した時刻を刺激提
示開始時刻とし，約 15 秒間刺激を与え，刺激提示後の時刻を刺激提示終了時刻とし，測定
終了とした．注目する刺激周波数の動画とその他の周波数の動画の組合せ 3 種類を 1 セッ
トとし，7 セット分測定した後，注目する刺激周波数の動画を変更し，同様に測定した．な
お，この実験も二日に分けて行い，SSVEP の検出条件は，6-2 節と同じとした．
- 33 -
6-5. 3 種の点滅動画による SSVEP の識別実験結果
注目する刺激周波数毎の識別結果を Table 6-3 に示す．識別できた場合は○，識別できな
かった場合は×で表し，括弧内の周波数が誤識別された周波数を表している．また，SSVEP
を識別できた時において，刺激提示から 2～4 秒，2～6 秒，2～8 秒，2～10 秒の時間ごと
の SSVEP の累積識別率を表 6-4 に示す．表内の数値は百分率表記である．
Table 6-3 Distinction results under three stimulus presentations
10Hz gaze
12Hz gaze
15Hz gaze
Day1,1st
× (15Hz)
○
○
Day1,2nd
○
○
○
Day1,3rd
○
○
× (12Hz)
Day1,4th
○
○
○
Day1,5th
○
○
○
Day2,1st
○
○
○
Day2,2nd
○
○
× (12Hz)
Day2,3rd
○
○
× (10Hz)
Day2,4th
○
× (15Hz)
○
Day2,5th
× (12Hz)
○
○
Distinction rate
80.0%
90.0%
70.0%
Table 6-4 Accumulated distinction rate of SSVEP [%]
10Hz gaze
12Hz gaze
15Hz gaze
80.0
80.0
30.0
2[s]～6[s]
80.0
50.0
2[s]～8[s]
90.0
60.0
2[s]～4[s]
2[s]～10[s]
70.0
Table 6-3 から 10Hz，12Hz の識別率は 80.0%以上であり，Table 6-4 から 2～6 秒間で
は 80.0%の識別率であった．15Hz の識別率は 2～10 秒間では 70.0%であるが， 2～6 秒間
では 50.0%と低かった．各周波数の識別率を高くし，かつ均等にするために，15Hz の動画
の設定として，図形の大きさを他の動画より一回り大きく，また Table 4-1 から 15Hz の出
現率が高い色の組合せとなるように，図形の色を白，背景色を青に変更し，再度同様の実
験を行った．同様に解析を行い，この変更の下での注目する刺激周波数毎の識別結果を
Table 6-5 に示す．識別できた場合は○，識別できなかった場合は×で表し，括弧内の数字
は識別，誤識別が行われた時間帯を表している．
- 34 -
Table 6-5 Distinction results after change of animation for 15Hz
10Hz gaze
12Hz gaze
15Hz gaze
Day1,1st
○ (2~4)
○ (2~4)
○ (2~4)
Day1,2nd
○ (2~4)
○ (2~4)
○ (2~4)
Day1,3rd
○ (2~4)
○ (2~4)
○ (2~4)
Day1,4th
○ (2~4)
○ (2~4)
○ (2~4)
Day1,5th
○ (2~4)
○ (2~4)
○ (2~4)
Day2,1st
○ (2~4)
○ (2~4)
○ (2~4)
Day2,2nd
○ (2~4)
○ (2~4)
○ (2~4)
Day2,3rd
○ (2~4)
○ (2~4)
○ (2~4)
Day2,4th
○ (2~4)
○ (2~4)
○ (2~4)
Day2,5th
○ (2~4)
○ (2~4)
○ (2~4)
Distinction rate
100%
100%
100%
全ての識別結果において，注目した刺激周波数が対して正しく識別された．また，SSVEP
と識別された時間は，全て 2～4 秒間で行うことができた．
これらの実験結果より，単独で 15Hz の視覚刺激動画を提示した際には早く正確に
SSVEP が検出できたが，他の視覚刺激動画と組み合わせて提示すると互いに干渉して被験
者に影響を与え，識別率が低下することが分かった．しかしながら，被験者の特性に沿っ
て 15Hz の視覚刺激動画を修正すると，識別率および識別時間ともに改善できることが確認
できた．
- 35 -
6-6. 考察
2 種の点滅動画による SSVEP の識別実験結果をまとめた Table 6-1 より，8Hz を除いた
10Hz，12Hz，15Hz の組合せでは識別率は 80.0%以上であった．また Table 6-2 に示す通
り，8Hz が組み合わさると識別率が他の組合せよりも低下する．これは 8Hz の動画のみ
24fps での設定で作成したため，60fps の動画と比べると 24fps の 1 フレームの時間長は約
0.042(1/24)[s]，60fps の 1 フレームの時間長は約 0.017(1/60)[s]と 2.5 倍の時間差がある．
そのため 8Hz 点滅の動画は視覚刺激として被験者に影響を与えにくくなったと考えた．
また 2 種の点滅動画の識別実験結果を受けて，10Hz，12Hz，15Hz の 3 種の点滅動画に
よる SSVEP の識別実験は，結果として Table 6-3 から 10Hz，12Hz の識別率は 80.0%以
上であり，Table 6-4 から 2～6 秒間では 80.0%の識別率であった．15Hz の識別率は， 2
～10 秒間では 70.0%であるが， 2～6 秒間では 50.0%と低かった．この結果を受け，各周
波数の識別率を高くし，かつ均等にするために，15Hz の動画の設定として，図形の大きさ
を他の動画より一回り大きく，また Table 4-1 から 15Hz の出現率が高い色の組合せとなる
ように，図形の色を白，背景色を青に変更し，再度同様の実験を行った．その結果，全て
の識別結果において，注目した刺激周波数に対して正しく識別された．また SSVEP と識別
された時間は，全て 2～4 秒間で行うことができた．これらの実験結果より，単独で 15Hz
の視覚刺激動画を提示した際には早く正確に SSVEP が検出できたが，他の視覚刺激動画と
組み合わせて提示すると互いに干渉して被験者に影響を与え，識別率が低下することが分
かった．しかしながら，被験者の特性に沿って 15Hz の視覚刺激動画を修正すると，識別率
および識別時間ともに改善できることが確認できたため，各刺激周波数の視覚刺激に個別
の設定をすることで，被験者により早く，より影響を与えることができると考えた．
- 36 -
第７章 ３種の点滅動画によるランダム注視実験
第 6 章の実験結果より，複数の光刺激提示下での SSVEP の識別は可能であると考えた．そ
こで 3 種の視覚刺激提示用動画を決まった配置で固定し，被験者に測定者のランダムに指
定する動画に注視してもらった．そして測定した脳波を解析し，注視した視覚刺激の影響
を受けてその視覚刺激の周波数の SSVEP が識別できるかどうか検証した．
7-1. ３種の点滅動画によるランダム注視実験
実際に SSVEP によって複数のコマンドの選択が可能であるかを調べるために，刺激周波
数の異なる３種の視覚刺激の動画を用意し，一つの動画を注目することによって SSVEP が
識別できるかどうか実験を行った．実験環境や，測定条件は 6-1 節と同様に用意した．また，
動画の設定は 6-5 節の変更後の設定を適用し，画面は Fig.7-1 のような配置で動画をループ
再生し，15Hz の動画を上部に，10Hz を左側，12Hz を右側に配置した．
Figure 7-1 Appearance of final screen
実験ではあらかじめ，注目する刺激周波数 10Hz，12Hz，15Hz がランダムかつ 10 個ず
つになる注目指示表を作成した．測定開始前では画面を完全に隠した状態にして，脳波が
落ち着いた時点を測定開始とし，測定者が注目指示表に従い任意のタイミングで被験者に
注目させる周波数を告知し，その 3 秒後に画面の遮蔽物を取り除いた．これは被験者の体
動などによるノイズが混入しないようにするためである．画面が完全に露出した時刻を記
録し，約 15 秒間刺激を与え，刺激提示後の時刻を記録し，測定終了とした．この手順を各
周波数 10 個，計 30 個測定した．SSVEP の検出条件は，5.2 節と同じとした．
- 37 -
7-2. ３種の点滅動画によるランダム注視実験結果
注目する刺激周波数毎の識別結果を Table 7-1 に示す．識別できた場合は○，識別できな
かった場合は×で表し，括弧内の周波数が誤識別された周波数を表している．また，SSVEP
を識別できた時において，刺激提示から 2～4 秒，2～6 秒ごとの SSVEP の累積識別率を
Table 7-2 に示す．表内の数値は百分率表記である．
Table 7-1 Distinction results under three stimulus presentations by random gaze
10Hz gaze
12Hz gaze
15Hz gaze
1st
○
○
○
2nd
○
○
○
3rd
○
○
○
4th
○
○
○
5th
○
○
○
6th
○
○
○
7th
○
○
○
8th
○
× (10Hz)
○
9th
× (15Hz)
○
○
10th
○
○
○
90.0%
90.0%
100%
distinction
rate
Table 7-2 Accumulated distinction rate of SSVEP by the random gaze [%]
10Hz gaze
12Hz gaze
15Hz gaze
2[s]～4[s]
70.0
70.0
100
2[s]～6[s]
90.0
90.0
- 38 -
7-3. 考察
Table 7-1 の SSVEP の識別結果より，全ての刺激周波数に対して SSVEP を 90.0%以上
識別できた．また，Table 7-2 より，2～6 秒間で識別率 90.0%以上となっており，被験者の
脳波に SSVEP の現象が表れる時間が早くなった．この結果から被験者がランダムに注視し
ても識別率が高く，早く識別できているため，SSVEP によって 3 種のコマンドの選択が可
能であると考えられる．
但し，常時点滅した画面状態において被験者が注視していない状態から被験者が注視し
た状態に遷移した時の変化を実験にて確認していないため，実際に BMI として適用するた
めには，この検出方法に新たな識別条件を加える必要がある可能性がある．また電動車椅
子の BMI として使用するためには走行時や停止時に起こると思われる体動ノイズなどを除
去する必要があるため，同様にノイズの除去条件を加える必要があると考えた．
- 39 -
第８章 結論
本研究では，BMI に使用できる脳波解析の基礎研究として，定常状態視覚誘発電位
（SSVEP）を短時間で検出する方法を提案し，その検出方法を用いて複数の点滅視覚刺激
環境下における SSVEP の識別を行った．予備実験を行い，視覚刺激として与える点滅図形
を白い四角，背景色を黒，使用する電極数を 3 個とした．また，SSVEP を検出するための
脳波の解析手法，及び検出条件を定め，8Hz，10Hz，12Hz，15Hz で点滅する刺激動画を
用いて，単一の視覚刺激による SSVEP の検出実験を行った．6 秒間での各周波数の検出率
は 75～100%となり，特に高周波数に対する検出率が高かった．
また複数の光刺激提示下での SSVEP の識別実験を行った．2 種の点滅動画による SSVEP
の識別実験結果は，8Hz を除いた 10Hz，12Hz，15Hz，の注視結果は 80%以上の識別率で
あった．また 8Hz が組み合わさると識別率が他の組合せよりも低下するため，3 種の動画
による SSVEP 識別実験では，10Hz，12Hz，15Hz の動画を用いた．3 種の点滅動画によ
る SSVEP の識別実験を行った結果，2~6 秒間では 10Hz、12Hz の識別率は 80.0%であっ
たが，15Hz の識別率は 50.0%であった．よって各周波数の識別率を高くし，かつ均等にす
るために，15Hz の動画を改めて設定した．15Hz の動画の図形を一回り大きく，また動画
の色の組合せを決める予備実験から 15Hz の出現率が高い色の組合せとなるように図形の
色を白，背景色を青に設定した．この変更の下での 3 種（10Hz，12Hz，15Hz）の点滅動
画による SSVEP の識別実験結果は，2～4 秒間において 100%の識別率となり，改善された．
最後に，各動画の配置を固定した上でランダムに注視しても，全ての刺激周波数に対し
て SSVEP を 90.0%以上識別できた．また，2～6 秒間で識別率 90.0%以上となっており，
被験者の脳波に SSVEP の現象が表れる時間が早くなった．この結果から被験者がランダム
に注視しても識別率が高く，早く識別できているため，SSVEP によって 3 種のコマンドの
選択が可能であると考えられる．
但し，３種の点滅動画によるランダム注視実験時の実験条件下において常時点滅した画
面状態において被験者が注視していない状態から被験者が注視した状態に遷移した時の変
化を実験にて確認していないため，実際に BMI として適用するためには，この検出方法に
新たな識別条件を加える必要がある可能性がある．また電動車椅子の BMI として使用する
ためには走行時や停止時に起こると思われる体動ノイズなどを除去する必要があるため，
同様にノイズの除去条件を加える必要があると考えた．また，提案した SSVEP の識別方法
を用いれば，被験者の特性に対応した視覚刺激の設定を行った上で，様々な機器を操作す
る BMI として利用できる可能性がある．
今後の課題として以下が挙げられる．被験者が注視していない時から注視した時の遷移
の変化を提案した SSVEP 検出方法によって確認できるかの実験と，本実験では被験者が 1
人であったため，今後は被験者数を増やして提案した SSVEP の検出方法の有用性を確認し，
識別が可能であるか確かめる必要がある．さらに，実際に BMI として電動車椅子の操縦が
できるかを確認する必要がある．
- 40 -
謝辞
本研究に関して終始熱心なご指導ご鞭撻を頂きました法政大学教授の石井千春教授に心
より感謝致します．また本研究の実験を行うにあたり，被験者を快く引き受けて下さった
小西氏に感謝致します．そして経過報告会では，多くの意見や示唆を頂きました医療・福
祉ロボティクス研究室の同期，後輩の皆様に感謝の意を表します．
最後に大学生活を続けていく過程でご支援いただいた家族，友人の方へ心から感謝の気
持ちと御礼を申し上げたく，謝辞にかえさせていただきます．
- 41 -
参考文献
1)http://www.nanbyou.or.jp/entry/52
2)http://www.nanbyou.or.jp/entry/4147
3)https://doctors-me.com/doctor/trauma/30
4)http://www.aist.go.jp/digbook/openlab/2012/#page=175
5)http://jp.diginfo.tv/v/12-0199-d-jp.php
6)http://spring-fragrance.mints.ne.jp/aviutl/
7)S.-P., Kim, J. D. Simeral, L. R. Hochberg, J. P. Donoghue, G. M. Friehs, and M. J.
Black, “Multi-state decoding of point-and-click control signals from motor cortical
activity in a human with tetraplegia,”, Proc. of the 3rd International IEEE EMBS
Conference on Neural Engineering, pp. 486~489, 2007.
8)L. R. Hochberg, at el., “Neuronal ensemble control of prosthetic devices by a human
with tetraplegia”, Nature Vol.442, pp.164-171, 2006.
9)M. Hajibabazadeh, V. Azimirad, “Brain-Robot interface: distinguishing left and right
hand EEG signals through SVM”, Proceeding of the 2nd RSI/ISM International
Conference on Robotics and Mechatronics, October 15-17,2014, Tehran, Iran
10)
T. Noda, N. Sugimoto, J. Furukawa, M. Sato, S. Hyon, J. Morimoto,
“Brain-Controlled Exoskeleton Robot for BMI Rehabilitation”, Humanoid Robots
(Humanoids), 12th IEEE-RAS International Conference,pp21-27, 2012
11)
M. Mano and G. Capi, “Adaptive navigation of a brain controlled robotic
wheelchair in an indoor environment”, Proc. of the 2013 JSME Conference on Robotics
and Mechatronics, No.13-2, 2013.
12)
茨木仁希，中村恭之，"脳信号収集ワイヤレスヘッドセットを用いた電動車椅子ロ
ボ ッ ト の 制 御 " ， Proceedings of the 2013 JSME Conference on Robotics and
Mechatronics, No.13-2,
13)
2013.
T. Jiralerspong, C.Liu, J.Ishikawa, “Identification of Three Mental States
Using a Motor Imagery Based Brain Machine Interface”, Computational Intelligence
in Brain Computer Interfaces (CIBCI), 2014 IEEE Symposium
14)
板井陽俊，船瀬新王，"BCI システムの構築を目指した単一試行脳波の解析技術"，
日本神経回路学会誌, vol.9, No.3, pp.118-125, 2012.
- 42 -
付録
A) 使用機器使用
A-1) 視覚刺激提示用ノートPC
ThinkPad X240
本研究では被験者に視覚刺激を与えるために Lenovo 社の ThinkPad X240 を用いた．
本研究で用いたノート PC の仕様を以下に示す．
Table A-1 Spec. of ThinkPad X240
製品番号
20AMA3H5JP
開発製造元
レノボ・ジャパン株式会社
OS
Windows 7 Enterprise Service Pack 1
プロセッサ
Intel® Core™ i3-4010U CPU @1.70GHz
システムの種類
64bit OS
実装メモリ(RAM)
4.00GB (3.69GB 使用可能)
ハードディスクドライブ
C ドライブ
空き領域 78.9GB/229GB
D ドライブ
空き領域 210GB/236GB
LED バックライト付き
ディスプレイ
12.5 型
HD TFT 液晶
(1366×768 ドット，1677 万色)，光沢無し
本体寸法(W×D×H)mm
約 305.5x208.5x19.9-20.3mm
本体質量（バッテリー．パックを含む）
約 1.46kg
バッテリー．パック
3 セル＋3 セル
種類
リチウムイオン システム・バッテリー
使用時間
約 11.6 時間
充電時間
約 3.4 時間（パワーオフ/サスペンド）
約 3.6 時間（使用時）
最大消費電力(W)
45
標準時消費電力(W)（アイドル時消費電力） 5.4
- 43 -
A-2) 脳波計測機器
脳波計 PolymateII
本研究では EEG（脳波）の計測にデジテックス研究所の PolymateII を用いた．本研
究で用いた脳波計の仕様を以下に示す．
Table A-2 Spec. of PolymateII
型番
AP216
開発製造元
株式会社デジテックス研究所
入力電極
多用途アクティブ電極×12
REF，E アクティブ電極×1 ずつ
RESP×3 呼吸入力
SpO2×1 パルスオキシメータ入力
EXT×2 外部入力
PULSE×1 脈波入力
Ch 数
16ch
入力インピーダンス
アクティブ電極 300G その他 10MG
A/D 変換器
16 ビット
サンプリング周波数
1~1000Hz 独立設定可能
収録フォーマット
日本睡眠学会 PSG 共通フォーマット
電極インピーダンス測定
絶対値表示 良否判定表示
質量
約 400g（バッテリー含まず）
外形寸法
100W×50H×160Dmm
電源
DC7.2V2 次電池リチウムイオン
消費電力
2.0VA 以下
記録媒体
CF メモリーカード
使用 ACT 電極（金）
AP-C300
使用バッテリー
NP-QM71D
- 44 -
B) ソフトウェア
B-1) C++言語プログラム
視覚刺激提示ソフトウェア
本研究の予備実験において，自由に図形の色や背景色の変更，点滅周波数や刺激時
間を変更しやすく，実際の点滅周期が分かるようにソフトウェアを作成した．
ソフトウェアのソースコードを以下に記述する．
SSVEP.cpp ソースコード
// SSVEP.cpp : メイン プロジェクト ファイルです。
#include "stdafx.h"
#include "Form1.h"
using namespace SSVEP;
LARGE_INTEGER nFreq, nBefore, nAfter;
DWORD dwTime;
[STAThreadAttribute]
int main(array<System::String ^> ^args)
{
// コントロールが作成される前に、Windows XP ビジュアル効果を有効にします
Application::EnableVisualStyles();
Application::SetCompatibleTextRenderingDefault(false);
// メイン ウィンドウを作成して、実行します
Application::Run(gcnew Form1());
return 0;
}
- 45 -
Form1.h ソースコード
#include <windows.h>
#include <stdio.h>
#pragma comment(lib,"winmm.lib")
#pragma once
namespace SSVEP {
using
using
using
using
using
using
namespace
namespace
namespace
namespace
namespace
namespace
System;
System::ComponentModel;
System::Collections;
System::Windows::Forms;
System::Data;
System::Drawing;
int s1=600;
int s2=50;
/// <summary>
/// Form1 の概要
/// </summary>
public ref class Form1 : public System::Windows::Forms::Form
{
public:
Form1(void)
{
InitializeComponent();
//
//TODO: ここにコンストラクター コードを追加します
//
}
protected:
/// <summary>
/// 使用中のリソースをすべてクリーンアップします。
/// </summary>
~Form1()
{
if (components)
{
delete components;
}
}
protected:
private:
private:
private:
private:
System::Windows::Forms::Panel^ panel1;
System::Windows::Forms::PictureBox^ pictureBox1;
System::Windows::Forms::Button^ ファイルを点滅;
System::Windows::Forms::Label^ label1;
private: System::Windows::Forms::Label^ 出力回数;
private: System::Windows::Forms::Label^ 出力時間;
private:
private:
private:
private:
private:
private:
private:
System::Windows::Forms::Button^ setting;
System::Windows::Forms::TextBox^ textBox2;
System::Windows::Forms::TextBox^ textBox1;
System::Windows::Forms::CheckBox^ checkBox1;
System::Windows::Forms::Label^ label2;
System::Windows::Forms::Label^ label3;
System::Windows::Forms::Button^ button1;
private: System::ComponentModel::IContainer^
protected:
components;
- 46 -
protected:
private:
/// <summary>
/// 必要なデザイナー変数です。
/// </summary>
#pragma region Windows Form Designer generated code
/// <summary>
/// デザイナー サポートに必要なメソッドです。このメソッドの内容を
/// コード エディターで変更しないでください。
/// </summary>
void InitializeComponent(void)
{
this->panel1 = (gcnew System::Windows::Forms::Panel());
this->button1 = (gcnew System::Windows::Forms::Button());
this->label3 = (gcnew System::Windows::Forms::Label());
this->label2 = (gcnew System::Windows::Forms::Label());
this->checkBox1 = (gcnew System::Windows::Forms::CheckBox());
this->textBox1 = (gcnew System::Windows::Forms::TextBox());
this->textBox2 = (gcnew System::Windows::Forms::TextBox());
this->setting = (gcnew System::Windows::Forms::Button());
this->出力時間 = (gcnew System::Windows::Forms::Label());
this->出力回数 = (gcnew System::Windows::Forms::Label());
this->label1 = (gcnew System::Windows::Forms::Label());
this->ファイルを点滅 = (gcnew
System::Windows::Forms::Button());
this->pictureBox1 = (gcnew
System::Windows::Forms::PictureBox());
this->panel1->SuspendLayout();
(cli::safe_cast<System::ComponentModel::ISupportInitialize^
>(this->pictureBox1))->BeginInit();
this->SuspendLayout();
//
// panel1
//
this->panel1->AutoScroll = true;
this->panel1->BackColor =
System::Drawing::SystemColors::Desktop;
this->panel1->Controls->Add(this->button1);
this->panel1->Controls->Add(this->label3);
this->panel1->Controls->Add(this->label2);
this->panel1->Controls->Add(this->checkBox1);
this->panel1->Controls->Add(this->textBox1);
this->panel1->Controls->Add(this->textBox2);
this->panel1->Controls->Add(this->setting);
this->panel1->Controls->Add(this->出力時間);
this->panel1->Controls->Add(this->出力回数);
this->panel1->Controls->Add(this->label1);
this->panel1->Controls->Add(this->ファイルを点滅);
this->panel1->Controls->Add(this->pictureBox1);
this->panel1->Dock = System::Windows::Forms::DockStyle::Fill;
this->panel1->Location = System::Drawing::Point(0, 0);
this->panel1->Name = L"panel1";
this->panel1->Size = System::Drawing::Size(910, 622);
this->panel1->TabIndex = 1;
this->panel1->Paint += gcnew
System::Windows::Forms::PaintEventHandler(this, &Form1::panel1_Paint);
//
// button1
//
this->button1->Location = System::Drawing::Point(709, 28);
this->button1->Name = L"button1";
this->button1->Size = System::Drawing::Size(75, 23);
- 47 -
this->button1->TabIndex = 13;
this->button1->Text = L"set";
this->button1->UseVisualStyleBackColor = true;
this->button1->Click += gcnew System::EventHandler(this,
&Form1::button1_Click);
//
// label3
//
this->label3->AutoSize = true;
this->label3->BackColor =
System::Drawing::SystemColors::ButtonHighlight;
this->label3->Location = System::Drawing::Point(494, 56);
this->label3->Name = L"label3";
this->label3->Size = System::Drawing::Size(41, 12);
this->label3->TabIndex = 12;
this->label3->Text = L"label3";
//
// label2
//
this->label2->AutoSize = true;
this->label2->BackColor =
System::Drawing::SystemColors::ButtonHighlight;
this->label2->Location = System::Drawing::Point(494, 19);
this->label2->Name = L"label2";
this->label2->Size = System::Drawing::Size(41, 12);
this->label2->TabIndex = 11;
this->label2->Text = L"label2";
//
// checkBox1
//
this->checkBox1->Anchor =
static_cast<System::Windows::Forms::AnchorStyles>((System::Windows::Forms::AnchorStyles::
Top | System::Windows::Forms::AnchorStyles::Right));
this->checkBox1->AutoSize = true;
this->checkBox1->BackColor =
System::Drawing::SystemColors::Desktop;
this->checkBox1->Checked = true;
this->checkBox1->CheckState =
System::Windows::Forms::CheckState::Checked;
this->checkBox1->ForeColor =
System::Drawing::SystemColors::ButtonHighlight;
this->checkBox1->Location = System::Drawing::Point(802, 12);
this->checkBox1->Name = L"checkBox1";
this->checkBox1->Size = System::Drawing::Size(96, 16);
this->checkBox1->TabIndex = 10;
this->checkBox1->Text = L"表示チェック";
this->checkBox1->UseVisualStyleBackColor = false;
this->checkBox1->CheckedChanged += gcnew
System::EventHandler(this, &Form1::checkBox1_CheckedChanged);
//
// textBox1
//
this->textBox1->Location = System::Drawing::Point(406, 13);
this->textBox1->Name = L"textBox1";
this->textBox1->Size = System::Drawing::Size(81, 19);
this->textBox1->TabIndex = 9;
this->textBox1->Text = L"600";
//
// textBox2
//
this->textBox2->Location = System::Drawing::Point(406, 50);
this->textBox2->Name = L"textBox2";
this->textBox2->Size = System::Drawing::Size(81, 19);
this->textBox2->TabIndex = 8;
this->textBox2->Text = L"50";
- 48 -
//
// setting
//
this->setting->Location = System::Drawing::Point(606, 29);
this->setting->Name = L"setting";
this->setting->Size = System::Drawing::Size(75, 23);
this->setting->TabIndex = 7;
this->setting->Text = L"setting";
this->setting->UseVisualStyleBackColor = true;
this->setting->Click += gcnew System::EventHandler(this,
&Form1::setting_Click);
//
// 出力時間
//
this->出力時間->AutoSize = true;
this->出力時間->BackColor =
System::Drawing::SystemColors::ButtonHighlight;
this->出力時間->Location = System::Drawing::Point(330, 50);
this->出力時間->Name = L"出力時間";
this->出力時間->Size = System::Drawing::Size(53, 12);
this->出力時間->TabIndex = 5;
this->出力時間->Text = L"出力時間";
//
// 出力回数
//
this->出力回数->AutoSize = true;
this->出力回数->BackColor =
System::Drawing::SystemColors::ButtonHighlight;
this->出力回数->Location = System::Drawing::Point(330, 16);
this->出力回数->Name = L"出力回数";
this->出力回数->Size = System::Drawing::Size(53, 12);
this->出力回数->TabIndex = 4;
this->出力回数->Text = L"出力回数";
//
// label1
//
this->label1->AutoSize = true;
this->label1->Font = (gcnew System::Drawing::Font(L"ＭＳ ゴシッ
ク", 20.25F, System::Drawing::FontStyle::Regular, System::Drawing::GraphicsUnit::Point,
static_cast<System::Byte>(128)));
this->label1->ForeColor =
System::Drawing::SystemColors::ButtonHighlight;
this->label1->Location = System::Drawing::Point(601, 83);
this->label1->Name = L"label1";
this->label1->Size = System::Drawing::Size(180, 27);
this->label1->TabIndex = 2;
this->label1->Text = L"点滅間隔時間";
//
// ファイルを点滅
//
this->ファイルを点滅->Location = System::Drawing::Point(27, 13);
this->ファイルを点滅->Name = L"ファイルを点滅";
this->ファイルを点滅->Size = System::Drawing::Size(286, 87);
this->ファイルを点滅->TabIndex = 1;
this->ファイルを点滅->Text = L"ファイルを点滅";
this->ファイルを点滅->UseVisualStyleBackColor = true;
this->ファイルを点滅->Click += gcnew System::EventHandler(this,
&Form1::ファイルを表示_Click);
//
// pictureBox1
//
this->pictureBox1->Anchor =
System::Windows::Forms::AnchorStyles::None;
this->pictureBox1->Location = System::Drawing::Point(332, 222);
this->pictureBox1->Name = L"pictureBox1";
- 49 -
this->pictureBox1->Size = System::Drawing::Size(223, 145);
this->pictureBox1->SizeMode =
System::Windows::Forms::PictureBoxSizeMode::Zoom;
this->pictureBox1->TabIndex = 0;
this->pictureBox1->TabStop = false;
//
// Form1
//
this->AutoScaleDimensions = System::Drawing::SizeF(6, 12);
this->AutoScaleMode =
System::Windows::Forms::AutoScaleMode::Font;
this->BackColor = System::Drawing::SystemColors::Desktop;
this->ClientSize = System::Drawing::Size(910, 622);
this->Controls->Add(this->panel1);
this->Font = (gcnew System::Drawing::Font(L"ＭＳ ゴシック", 9,
System::Drawing::FontStyle::Regular, System::Drawing::GraphicsUnit::Point,
static_cast<System::Byte>(128)));
this->Name = L"Form1";
this->Text = L"SSVEP刺激提示ソフト";
this->Load += gcnew System::EventHandler(this,
&Form1::Form1_Load_1);
this->panel1->ResumeLayout(false);
this->panel1->PerformLayout();
(cli::safe_cast<System::ComponentModel::ISupportInitialize^
>(this->pictureBox1))->EndInit();
this->ResumeLayout(false);
}
#pragma endregion
private: System::Void ファイルを表示_Click(System::Object^
System::EventArgs^ e) {
LONGLONG begin;
LONGLONG freq;
LONGLONG end;
sender,
::timeBeginPeriod(1);//タイマーの精度を設定
int i;
for(i=0;i<s1;i++){
::QueryPerformanceCounter( (LARGE_INTEGER*)&begin);
::QueryPerformanceFrequency( (LARGE_INTEGER*)&freq);
::Sleep(s2);
::QueryPerformanceCounter( (LARGE_INTEGER*)&end);
switch(this->pictureBox1->Visible)
{
case false:
this->pictureBox1->Visible = true;
break;
case true:
this->pictureBox1->Visible = false;
break;
}
double a=0;
a=double(end-begin)/freq;
label1->Text=a.ToString();
Application::DoEvents();
}
}
private: System::Void Form1_Load_1(System::Object^ sender, System::EventArgs^ e) {
Bitmap^bmp = gcnew Bitmap("./image.bmp");
pictureBox1->Image = bmp;
}
private: System::Void setting_Click(System::Object^ sender, System::EventArgs^ e) {
s1=int::Parse(textBox1->Text);
s2=int::Parse(textBox2->Text);
- 50 -
label2->Text=s1.ToString();
label3->Text=s2.ToString();
}
private: System::Void checkBox1_CheckedChanged(System::Object^ sender, System::EventArgs^
e) {
if(this->checkBox1->Checked == true)
{
this->出力回数->Visible = true;
this->出力時間->Visible = true;
this->textBox1->Visible = true;
this->textBox2->Visible = true;
this->setting->Visible = true;
this->label1->Visible = true;
this->label2->Visible = true;
this->label3->Visible = true;
this->button1->Visible = true;
}
else
{
this->出力回数->Visible = false;
this->出力時間->Visible = false;
this->textBox1->Visible = false;
this->textBox2->Visible = false;
this->setting->Visible = false;
this->label1->Visible = false;
this->label2->Visible = false;
this->label3->Visible = false;
this->button1->Visible =false;
}
}
private: System::Void button1_Click(System::Object^ sender, System::EventArgs^ e) {
this->pictureBox1->Location = System::Drawing::Point(100, 100);
}
private: System::Void panel1_Paint(System::Object^ sender,
System::Windows::Forms::PaintEventArgs^ e) {
}
};
}
- 51 -
B-2) MATLAB/Simulinkモデルプログラム
SSVEP 検出プログラム
本研究での SSVEP を検出プログラムは Simulink で用意されているブロックと M
言語によって作成したブロックを組み合わせたプログラムである．A では STFT によ
る周波数解析と解析後のデータの抽出を行い，B ではデータの移動平均を行い，C では
それぞれの電極で SSVEP が出現したか，出現した電極の数から最終的にどの周波数で
SSVEP が検出できたかを出力する．
A
B
C
Figure B-2 EEG_FFT_SSVEP_10s_not8Hz.slx
B-3) MATLAB
M言語プログラム
SSVEP 検出プログラムを自動再生させるプログラム
複数の脳波データを自動処理するプログラムを以下に示す．
model_auto.m ソースコード
timedata=zeros(10240,1);
for i=1:10240
timedata(i,1)=0.001*i;
end
for i=1:7
readdata=xlsread('F:\修士研究\実験データ\2016-01-27\15Hz400青白\15Hz注目\15Hz注
目.xlsx',i);
finddata=readdata(:,2);
nan=find(finddata);
x=finddata(nan(2));
if finddata(nan(2))<1000
- 52 -
readdata=readdata(1:10240,4:6);
elseif finddata(nan(2))>1000
nan2(i)=nan(2);
readdata=readdata(nan2(i):nan2(i)+10239,4:6);
else
disp('予期しない条件があります。動作を停止します。')
break
end
data=horzcat(timedata,readdata);
%
%
open_system('EEG_FFT_6chSSVEP_10s.slx')
open_system('EEG_FFT_6chSSVEP_10s_not8Hz.slx')
sim('EEG_FFT_6chSSVEP_10s.slx')
sim('EEG_FFT_6chSSVEP_10s_not8Hz.slx')
pause(15)
data_save(:,:,1,i)=simout(:,:,41);
data_save(:,:,2,i)=simout1(:,:,41);
data_save(:,:,3,i)=simout2(:,:,41);
%sheeti番目の電極１番
%sheeti番目の電極２番
%sheeti番目の電極３番
lastresult(:,:,i)=result3(:,:,41);
end
run('excel_template.m')
run('border_excel.m')
STFT，移動平均後の結果を MS-Excel に出力するプログラム
電極毎の STFT，移動平均後の結果を MS-Excel に出力するプログラムを以下に示す．
Excel_template.m ソースコード
transport_range=100;
datacontainer=zeros(transport_range,transport_range);
transport_elctrode_number=3;
datarowsize=33;
% data_electrode=zeros(33,4,3,12);
data_electrode=zeros(33,3,3,12);
electrode_number=1;
sheetnumber=7;
for shenum=1:sheetnumber
data_electrode(:,:,1,shenum)=data_save(:,:,1,shenum);
data_electrode(:,:,2,shenum)=data_save(:,:,2,shenum);
data_electrode(:,:,3,shenum)=data_save(:,:,3,shenum);
for j=1:transport_range
if rem(j,6)==1
datacontainer(1,j)=electrode_number;
for i=2:1+datarowsize
datacontainer(i,j)=2.048+0.256*(i-2);
end
for x=1:datarowsize
for y=1:3
%最大値は取り出す周波数の数
- 53 -
datacontainer(x+1,j+y)=data_electrode(x,y,electrode_number,shenum);
end
end
if transport_elctrode_number==electrode_number
break
end
electrode_number=electrode_number+1;
end
end
electrode_number=1;
xlswrite('F:\修士研究\実験データ\2016-01-27\15Hz400青白\15Hz注目\FFT15Hz注目
not8Hz.xlsx',datacontainer,shenum);
end
最終的な SSVEP 検出結果を MS-Excel に出力するプログラム
最終的にどの時間でどの周波数の SSVEP が検出できたのかの結果を MS-Excel に出力す
るプログラムを以下に示す．
Border_excel.m
sheetnumber=7;
for i=1:32
timedata1(i,1)=2.304+0.256*(i-1);
end
for shenum=1:sheetnumber
datacontainer=lastresult(:,:,shenum);
datacontainer=horzcat(timedata1,datacontainer);
xlswrite('F:\修士研究\実験データ\2016-01-27\15Hz400青白\15Hz注目\閾値100適用15Hz
注目not8Hz.xlsx',datacontainer,shenum);
end
- 54 -
B-4) MS-Excel Visual Basicプログラム
グラフ作成プログラム
MATLAB M 言語「STFT，移動平均後の結果を MS-Excel に出力するプログラム」か
ら出力された Excel ファイルのデータをグラフ化するプログラムを以下に示す．
Sub makegraph()
Sub makegraph()
Dim lngYLine As Long
Dim intXLine As Integer
Dim objFind As Object
Dim strAddress As String
Dim i As Integer
Dim sheet1 As Worksheet
Dim YScale(12) As Integer
For x = 1 To 7
Set sheet1 = Worksheets(x)
'Worksheetx 番目を代入
sheet1.Activate
'sheet1 に代入した Worksheet 番号を
アクティブにする
Set objFind = sheet1.Cells.Find("2.048", LookAt:=xlWhole) 'sheet1 内から 2.048
を検索する
If Not objFind Is Nothing Then
strAddress = objFind.Address
'もし検索結果が Nothing でないなら
Do While Not objFind Is Nothing
lngYLine = objFind.Cells.Row
intXLine = objFind.Cells.Column
'もし検索結果が Nothing でないなら
Cells(lngYLine - 1, intXLine + 1) = "10Hz"
Cells(lngYLine - 1, intXLine + 2) = "12Hz"
Cells(lngYLine - 1, intXLine + 3) = "15Hz"
Columns(intXLine + 4).Clear
Columns(intXLine + 5).Clear
Set rng_Max = Range(Cells(lngYLine, intXLine + 1), Cells(lngYLine + 33,
intXLine + 3))
maxdata_new = WorksheetFunction.Max(rng_Max)
If maxdata_new > maxdata_old Then
maxdata_old = maxdata_new
End If
maxzyozan = maxdata_old ¥ 500
YScale(x) = (maxzyozan + 2) * 500
Set objFind = Cells.FindNext(objFind)
If strAddress = objFind.Address Then
Range(Columns(intXLine + 6), Columns(intXLine + 100)).Clear
Range(Rows(lngYLine + 33), Rows(lngYLine + 100)).Clear
maxdata_new = 0
- 55 -
maxdata_old = 0
Exit Do
End If
Loop
Else
MsgBox "ご指定の範囲に起点データが存在しません"
End If
maxdata_new = 0
maxdata_old = 0
Next
For j = 1 To 7
Set sheet1 = Worksheets(j)
'Worksheet1 番目を代入
sheet1.Activate
'sheet1 に代入した Worksheet 番号を
アクティブにする
ActiveWindow.Zoom = 100
'sheet1 のウィンドウ縮尺を１０
０％にする
Set objFind = sheet1.Cells.Find("2.048", LookAt:=xlWhole) 'sheet1 内から 2.048
を検索する
If Not objFind Is Nothing Then
strAddress = objFind.Address
'もし検索結果が Nothing でないなら
Do While Not objFind Is Nothing
lngYLine = objFind.Cells.Row
intXLine = objFind.Cells.Column
'もし検索結果が Nothing でないなら
i=i+1
With sheet1.ChartObjects.Add(54 + 326 * (i - 1), 500, 324, 200).Chart
.ChartType = xlXYScatterSmooth
.SetSourceData Source:=Range(Cells(lngYLine - 1, intXLine),
Cells(lngYLine - 1 + 33, intXLine + 3))
.Axes(xlValue).MaximumScale = YScale(j)
.Axes(xlCategory).HasMajorGridlines = True
End With
Set objFind = Cells.FindNext(objFind)
If strAddress = objFind.Address Then
Exit Do
End If
Loop
Else
MsgBox "ご指定の範囲に起点データが存在しません"
End If
i=0
ActiveWindow.Zoom = 70
にする
'sheet1 のウィンドウ縮尺を７０％
Next
Set sheet1 = Worksheets(1)
sheet1.Activate
アクティブにする
End Sub
'Worksheet1 番目を代入
'sheet1 に代入した Worksheet 番号を